Publication: การพัฒนาระบบตรวจสอบดวงตาด้วยโครงข่ายประสาทเทียมแบบคอลโวลูชัน
0
0
Issued Date
2020
Resource Type
Language
tha
File Type
application/pdf
Access Rights
open access
Rights
ผลงานนี้เผยแพร่ภายใต้ สัญญาอนุญาตครีเอทีฟคอมมอนส์แบบ แสดงที่มา-ไม่ใช้เพื่อการค้า-ไม่ดัดแปลง 4.0 (CC BY-NC-ND 4.0)
Rights Holder(s)
มหาวิทยาลัยศรีนครินทรวิโรฒ
Suggested Citation
รักษมินฆ์ ธนสิทธิ์, อรัญญาภรณ์ ลาภหลาย, พิชชาพร สุริยันชัยเจริญ (2020). การพัฒนาระบบตรวจสอบดวงตาด้วยโครงข่ายประสาทเทียมแบบคอลโวลูชัน. สืบค้นจาก: https://hdl.handle.net/20.500.14740/7766
Alternative Title(s)
Glaucoma Classification by using Convolutional Neural Network
Advisor(s)
Organization
Abstract
เทคโนโลยีการมองเห็นด้วยคอมพิวเตอร์(Computer Vision)ใช้เพื่อตรวจจับพื้นที่ที่น่าสนใจหรือวัตถุที่น่าสนใจ อย่างไรก็ตามกระบวนการปฏิบัติงานต้องใช้เวลาในการประมวลผลมากในการทำนายวัตถุที่สนใจ นอกจากนี้กระบวนการบางอย่างมีความซับซ้อนมากในการคำนวณและดำเนินการ ยิ่งไปกว่านั้นภาพการวินิจฉัยโรคของต้อหินยังต้องใช้แพทย์เฉพาะทางในการวิเคราะห์ ดังนั้นงานวิจัยนี้จะเสนอสถาปัตยกรรมโครงข่ายประสาทเทียม(Convolutional Neural Network)เพื่อทำนายภาพที่เป็นปกติหรือโรคต้อหินจากการสแกนจอประสาทตา จากผลการทดลองสถาปัตยกรรมที่นำเสนอแสดงถึงความแม่นยำในการทำนายภาพต้อหินประมาณ 80 เปอร์เซ็นต์ ดังนั้นสถาปัตยกรรมที่นำเสนอจึงเป็นผู้ช่วยที่มีประโยชน์ในการวินิจฉัยภาพจอประสาทตา
Computer vision technology is used to detect an interesting area or interesting objects. However, an operational process requires a lot of processing time to predict the interested object. In addition, some processes are very complex to compute and implement. Moreover, the diagnostic images of the glaucoma stage have to use special medical doctors to analyze. So, this research will propose a convolutional neural network architecture to predict the normal or glaucoma images from optical coherence tomography retinal scan. From the experimental results, the proposed architecture represents the accuracy to predict the glaucoma images about 80 percentage. Therefore, the proposed architecture is a useful assistant to diagnose the retinal images.
Computer vision technology is used to detect an interesting area or interesting objects. However, an operational process requires a lot of processing time to predict the interested object. In addition, some processes are very complex to compute and implement. Moreover, the diagnostic images of the glaucoma stage have to use special medical doctors to analyze. So, this research will propose a convolutional neural network architecture to predict the normal or glaucoma images from optical coherence tomography retinal scan. From the experimental results, the proposed architecture represents the accuracy to predict the glaucoma images about 80 percentage. Therefore, the proposed architecture is a useful assistant to diagnose the retinal images.